Kunstig intelligens ved diagnostisering av alvorlighetsgrad av diabetes

Kunstig intelligens ved diagnostisering av alvorlighetsgrad av diabetes

Et team av forskere brukte høyoppløselig, ikke-invasiv teknologi for å få bilder av små blodårer funnet under huden til diabetespasienter, og brukte en kunstig intelligensalgoritme for å formulere en "score" som kan brukes til å bestemme alvorlighetsgraden av sykdom. Når denne teknologien er bærbar, kan den brukes til å overvåke effektiviteten av behandlingen, ifølge New Atlas, som siterer tidsskriftet Nature Biomedical Engineering.

Mikroangiopati

Mikroangiopati, der veggene i blodkapillærene blir så tykke og svake at de blør, lekker protein og senker blodstrømmen er en stor komplikasjon av diabetes, som kan påvirke mange organer i kroppen, inkludert huden.

Forskere fra det tekniske universitetet i München har utviklet TUM, en metode for å få detaljerte bilder av blodårer under huden til diabetespasienter ved hjelp av kunstig intelligens for å kvantitativt bestemme alvorlighetsgraden av tilstanden.

Audiovisuell bildebehandling

Optoakustisk avbildning bruker lyspulser for å generere ultralydbølger i vev. Små utvidelser og sammentrekninger i vevet som omgir molekylene, som absorberer lys sterkt, skaper signaler som registreres av sensorer og omdannes til høyoppløselige bilder. Det oksygenbærende proteinet hemoglobin er et av disse molekylene som absorberer lys, og siden det er konsentrert i blodårene, produserer optoakustisk avbildning detaljerte bilder av blodkar som andre ikke-kirurgiske teknikker ikke kan produsere, i tillegg til å være en rask prosedyre og gjør ikke bruke stråling.

Mer dybde og detaljer

I den nye studien utviklet forskerne en spesifikk optisk-akustisk avbildningsmetode kalt RSOM, som kan innhente data på forskjellige dybder av huden samtidig ned til en dybde på 1 millimeter, som Angelos Karlas, studiens hovedforsker, sa. "mer dybde og detaljer enn andre visuelle metoder."

RSOM-teknologi

Forskerne brukte RSOM-teknologi for å ta bilder av huden på bena til 75 diabetespasienter og en kontrollgruppe på 40 personer og brukte en kunstig intelligens-algoritme for å identifisere klinisk relevante egenskaper forbundet med diabeteskomplikasjoner. Forskerne laget en liste over 32 spesielt viktige endringer i hudens mikrovaskulatur, inkludert diameteren på blodårene og antall grener de har.

Antall blodårer

Forskerne bemerket at antall kar og grener i hudlaget avtar hos diabetespasienter, men øker i epidermis nærmest hudoverflaten. Alle 32 kjennetegn identifisert av forskerne ble påvirket av sykdomsprogresjon og alvorlighetsgrad. Ved å kompilere de 32 karakteristikkene, beregnet forskerteamet en "mikroangiopati-score", som kobler tilstanden til små blodårer i huden og alvorlighetsgraden av diabetes.

Til lavere kostnader og innen få minutter

Vassilis Ntziachristos, en forsker på studien, sa at ved å bruke "RSOM-teknologi er det mulig å kvantitativt beskrive effekten av diabetes," og forklarer at "med den nye evnen til å gjøre RSOM bærbar og kostnadseffektiv, vil disse resultatene åpne en ny måte å kontinuerlig overvåke tilstanden til de berørte – mer enn 400 millioner mennesker.» Mennesker over hele verden. I fremtiden, med raske og smertefrie tester, vil det bare ta noen få minutter å finne ut om behandlingen har effekt, selv mens pasienten er hjemme.

Skyttens kjærlighetshoroskop for året 2024